文章摘要:GNSS技术已经取得了长足的进步，将其引入气象和农业领域具有重要意义。GNSS信号受云的影响小、穿透性强、可以全天候观测以及对大气水汽具有一定敏感性的特点，使其在气象领域如大气水汽含量估算中发挥着重要作用。大气可降水量能够反映大气中水汽的变化情况，对于准确实时的预测短期天气变化具有重要的作用。传统的大气可降水量反演方法主要借助于经验统计方法估算可降水量，但由于引入近似及模型阶数的约束检测效果有待进一步优化。[目的]通过分析机器学习方法和与传统方法各自的优势和缺陷，可以融合机器学习方法和传统方法各自的优势，从而有效克服经验模型的缺陷，同时提高降雨估算精度，增强了降雨预测的可靠性，从而预防自然灾害。[方法]将人工智能等相关算法引入GNSS大气可降水量的反演过程成为了当前研究的重要方向，特别是将深度学习神经网络等模型运用到GNSS大气可降水量的探测实验中不仅能够提高实验运算效率及反演精度，还可以在一定程度上减少工作量。[结果]根据系统组合的PPP模式实验数据显示运用北斗系统进行大气可降水量反演具有可行性，反演结果与探空数据有很好的一致性，且将机器学习方法运用到多系统组合的PPP模型的精度更高，能够为天气预测提供技术支撑。[结论]通过对GNSS反演大气可降水量发展的分析，归纳了当前利用GNSS反演大气可降水量的研究方法，对GNSS的大气水汽含量反演从理论到技术应用进行了梳理。同时研发基于约束下的GPS系统和我国北斗卫星系统的联合大气水汽反演系统对于进一步推动GNSS技术在气象和农业方面的应用具有重要作用。

文章关键词:

项目基金: